# Coerenza: scenari di configurazione

> Tre guide pratiche passo-passo che mostrano come configurare l'analisi di coerenza di DQS per diverse esigenze aziendali.

Source: https://dataqualitysense.com/it/resources/use-cases/consistency-scenarios/
Last updated: 2026-04-16

---

## Cosa coprono questi scenari

Questa pagina illustra tre configurazioni reali di coerenza, dalla configurazione iniziale alla lettura dei risultati della scansione. Ogni scenario utilizza un contesto aziendale e una modalita di analisi diversi.

Questi scenari si basano sui concetti e sulle metriche trattati nell'articolo principale sulla [Coerenza](/it/resources/data-quality/consistency/). Si consiglia di leggerlo prima se termini come Conformance Rate, Variant Count e Dominant Values sono nuovi.

## Scenario 1: standardizzazione del campo Country con Discovery

### Il contesto aziendale

L'organizzazione dispone di 15.000 record Account provenienti da 3 aziende fuse. Il campo `Country` e testo libero. Le dashboard regionali mostrano dati frammentati: «United States» appare come una riga, «USA» come un'altra, «US» come una terza. Le regole di assegnazione del territorio perdono record perche filtrano per una singola grafia. E necessario standardizzare, ma non si sa quali valori esistano nei tre sistemi legacy.

### Guida alla configurazione

Iniziare con **Import from Field** per scoprire cosa contengono effettivamente i dati prima di definire i valori consentiti.

1. Aprire la configurazione Expected Values per il campo `Country`.
2. Fare clic su **Import from Field**. DQS interroga i dati live e restituisce i valori distinti ordinati per frequenza.
3. Esaminare la checklist. L'importazione rivela il quadro completo:

| Valore | Record |
|--------|--------|
| United States | 4.500 |
| USA | 2.300 |
| US | 1.800 |
| Canada | 1.400 |
| U.S.A. | 450 |
| United States of America | 150 |
| ... (altre 41 variazioni) | ... |

4. Decidere lo standard. I codici paese ISO («US», «CA», «UK») sono compatti, standard di settore e non ambigui. Selezionare i codici ISO dall'elenco di importazione.
5. Fare clic su **Add Selected** per popolare i valori consentiti.

Impostare la configurazione rimanente:

| Impostazione | Valore | Motivazione |
|--------------|--------|-------------|
| Analysis Mode | Advanced Conformance Analysis | Servono i conteggi delle varianti e i valori dominanti per dimensionare il cleanup |
| Expected Values | US, CA, UK, DE, FR, AU, JP | Codici ISO per i mercati attivi |
| Case Sensitive | OFF | Intercetta «us», «Us» e «US» come lo stesso valore |
| Top N | 10 | Visualizza le variazioni piu comuni |
| Min Frequency | 5 | Filtra i refusi occasionali |

### Cosa produce la scansione

| Metrica | Valore |
|---------|--------|
| Conformance Rate | 12% |
| Conformance Count | 1.800 |
| Non-Conforming Count | 13.200 |
| Variant Count | 47 |
| Dominant Values | I primi 10 valori con conteggi (vedere la tabella di importazione sopra) |

### Lettura dei risultati

**Il 12% di conformita e atteso.** E stato definito un nuovo standard (codici ISO) a cui i dati non sono mai stati normalizzati. Solo i 1.800 record che contengono gia «US» corrispondono. Non si tratta di un punteggio negativo. E il punto di partenza.

**47 varianti rivelano l'entita della frammentazione.** Tre sistemi fusi hanno prodotto 47 modi diversi di esprimere i nomi dei paesi. Senza questo numero, si sottostimerebbe l'impegno di cleanup.

**Dominant Values mostra dove concentrarsi.** Le prime 3 variazioni («United States», «USA», «US») rappresentano 8.600 record. Standardizzare solo questi tre valori porta la conformita dal 12% al 69%. Partire da li.

**Non-Conforming Count (13.200) e l'ambito esatto del cleanup.** Il data steward dispone ora di una dimensione concreta del progetto, non di una stima.

### Azione successiva

Costruire una tabella di mappatura dei valori utilizzando l'output dei Dominant Values. Mappare «United States» a «US», «USA» a «US» e cosi via. Eseguire la normalizzazione dei dati. Eseguire una nuova scansione per verificare il nuovo Conformance Rate.

## Scenario 2: validazione del Lead Rating

### Il contesto aziendale

Il campo Lead Rating (`Rating__c`) e un campo di testo che accetta «Hot», «Warm» o «Cold». I sales manager segnalano valori anomali nei report della pipeline. Un filtro per `Rating = "Hot"` restituisce meno record del previsto. Serve un audit rapido di conformita per scoprire cosa contiene il campo e quanti record necessitano di cleanup.

### Guida alla configurazione

Iniziare con **Import from Field** per visualizzare i valori effettivi prima di configurare la scansione.

1. Aprire la configurazione Expected Values per `Rating__c`.
2. Fare clic su **Import from Field**. L'importazione restituisce:

| Valore | Record |
|--------|--------|
| Hot | 284 |
| Warm | 198 |
| Cold | 156 |
| Very High | 23 |
| 240 km/h | 12 |
| N/A | 8 |

I primi tre valori sono le valutazioni reali. «Very High» proviene da una picklist diversa (qualcuno ha incollato dal campo sbagliato). «240 km/h» e chiaramente un dato dal campo completamente sbagliato. «N/A» e un segnaposto.

3. Selezionare «Hot», «Warm» e «Cold». Lasciare il resto deselezionato.
4. Fare clic su **Add Selected**.

Impostare la configurazione rimanente:

| Impostazione | Valore | Motivazione |
|--------------|--------|-------------|
| Analysis Mode | Conformance Check | Serve una risposta si/no, non un'analisi approfondita |
| Expected Values | Hot, Warm, Cold | Le tre valutazioni valide |
| Case Sensitive | OFF | Intercetta «hot», «HOT» e «Hot» come corrispondenti |

### Cosa produce la scansione

| Metrica | Valore |
|---------|--------|
| Conformance Rate | 93,7% |
| Conformance Count | 638 |

### Lettura dei risultati

**Il 93,7% e conforme.** Cio significa che 43 record contengono dati errati. Per un audit rapido, la modalita Conformance Check fornisce la risposta velocemente senza calcolare metriche avanzate.

**Il passaggio Import from Field ha gia mostrato l'aspetto dei dati errati.** «Very High» (23 record da un valore di picklist sbagliato), «240 km/h» (12 record con dati dal campo sbagliato) e «N/A» (8 voci segnaposto). Non servono i Dominant Values perche l'importazione ha fornito la suddivisione prima ancora dell'esecuzione della scansione.

**43 record sono un cleanup gestibile.** Non si tratta di un progetto di migrazione dati. E una correzione manuale di 30 minuti o un singolo job di aggiornamento dati.

### Azione successiva

Correggere i 43 record non conformi. Quindi convertire `Rating__c` da campo di testo a picklist per prevenire problemi futuri. I record creati via API bypassano la validazione delle picklist, quindi eseguire scansioni periodiche di coerenza per intercettare nuove variazioni dalle integrazioni.

## Scenario 3: conformita del Job Title per il targeting delle Persona

### Il contesto aziendale

Il team marketing esegue campagne basate sulle Persona, rivolgendosi ai Contact con titolo «VP e superiori». Il campo `Title` e testo libero con migliaia di variazioni. Prima di ogni campagna, qualcuno cerca manualmente le parole chiave dei titoli, ne perde la meta e costruisce un elenco di audience incompleto. Il team necessita di una risposta basata sui dati a due domande: «Quanti contatti VP+ abbiamo?» e «Quali titoli hanno gli altri nostri contatti?»

### Guida alla configurazione

1. Aprire la configurazione Expected Values per il campo `Title` sui Contact.
2. Fare clic su **Import from Field**. L'importazione restituisce centinaia di valori. Troppi per controllarli singolarmente, ma i conteggi di frequenza sono utili per il contesto.
3. Definire i valori consentiti in base alla mappatura delle Persona. Selezionare o digitare i valori dei titoli che il team considera «VP e superiori»:

```
VP, Vice President, SVP, Senior Vice President, EVP,
Executive Vice President, Director, Senior Director,
CEO, CFO, CTO, CIO, CMO, COO, President
```

4. Fare clic su **Add Selected**.

Impostare la configurazione rimanente:

| Impostazione | Valore | Motivazione |
|--------------|--------|-------------|
| Analysis Mode | Advanced Conformance Analysis | Serve la distribuzione completa dei valori per vedere quali titoli esistono |
| Expected Values | (16 valori di titolo elencati sopra) | La definizione della Persona VP+ |
| Case Sensitive | OFF | Intercetta «vp of sales», «VP of Sales», «VP OF SALES» |
| Top N | 20 | Visualizza un'ampia distribuzione di cio che esiste |
| Min Frequency | 5 | Filtra le voci occasionali come «Chief Happiness Officer» |

### Cosa produce la scansione

| Metrica | Valore |
|---------|--------|
| Conformance Rate | 34% |
| Conformance Count | 3.400 |
| Non-Conforming Count | 6.600 |
| Variant Count | 312 |

**Dominant Values (Top 20):**

| Posizione | Valore | Conteggio |
|-----------|--------|-----------|
| 1 | Manager | 820 |
| 2 | Sales Representative | 650 |
| 3 | Account Executive | 480 |
| 4 | Director of Marketing | 340 |
| 5 | VP of Sales | 290 |
| 6 | Senior Manager | 275 |
| 7 | Consultant | 240 |
| 8 | Engineer | 210 |
| 9 | CEO | 195 |
| 10 | Head of Operations | 180 |
| ... | (altri 10) | ... |

### Lettura dei risultati

**Il 34% di conformita non e un insuccesso.** Non si tratta di un problema di qualita dei dati. Significa che il 34% dei Contact ha titoli VP+, e quello e il pubblico target della campagna. Il numero risponde alla domanda che il team marketing stava stimando a occhio.

**312 Variant Count conferma che il Title in testo libero e altamente frammentato.** 312 valori distinti di titolo su 10.000 Contact. Questo e normale per i campi a testo libero e spiega perche le ricerche manuali perdono persone.

**Dominant Values mostra quali titoli hanno effettivamente i Contact.** Molti dei valori in cima sono sotto il livello VP (Manager, Sales Rep, Account Executive). Questo e atteso. Questi contatti sono record validi con titoli validi. Rientrano al di fuori della Persona target.

**Non-Conforming Count (6.600) NON e un ambito di cleanup.** A differenza dello scenario Country, questi non sono record sporchi. Sono contatti con titoli al di fuori del filtro VP+. «Manager» e un titolo reale, non un errore nei dati. Trattare il Non-Conforming Count come «contatti al di fuori di questa Persona», non «record da correggere».

**Il vero insight:** ora si dispone di una dimensione dell'audience basata sui dati. 3.400 contatti VP+, verificati tramite la scansione dei dati reali. Niente piu ricerche manuali per parola chiave.

### Azione successiva

Utilizzare il Conformance Count (3.400) come dimensione dell'audience per le campagne VP+. Esaminare l'elenco dei Dominant Values per i titoli eventualmente mancanti. «Senior Manager» (275 record) e «Head of Operations» (180 record) sono al limite. Se questi ruoli sono idonei per le campagne, aggiungerli ai valori consentiti e ripetere la scansione.

## Scelta della configurazione

| Se e necessario... | Partire da | Impostazioni chiave |
|--------------------|------------|---------------------|
| Verificare un campo controllato (picklist, rating, stato) | Import from Field, poi Conformance Check | Expected Values dall'importazione, Case Sensitive OFF |
| Standardizzare un campo frammentato (paese, settore) | Import from Field, poi Advanced Conformance Analysis | Expected Values come standard obiettivo, Top N 10+, Min Frequency 5+ |
| Dimensionare un'audience o un segmento da dati a testo libero | Import from Field, poi Advanced Conformance Analysis | Expected Values come definizione del segmento, Top N 20, Min Frequency 5 |
| Ottenere una baseline rapida prima di un progetto di cleanup | Import from Field, poi Conformance Check | Expected Values dal proprio standard dati |

Per una spiegazione completa di tutte le 6 metriche di coerenza, le modalita di analisi e gli input di configurazione, tornare all'articolo principale sulla [Coerenza](/it/resources/data-quality/consistency/).

Pronti a misurare la qualita dei propri dati? Effettuare la [Valutazione di preparazione all'IA](/it/ai-readiness/) per vedere i punteggi di coerenza e altro ancora.